ANÁLISE DOS DADOS NO SOFTWARE WEIBULL++

Após a formatação dos dados de corrente da bobina primária do forno Premelt conforme Quadro 4.1, estes foram inseridos no módulo de Análise de Degradação Não-destrutiva do Weibull++.

Na Figura 4.4. à esquerda observa-se uma parte dos dados de degradação precedidos dos seus respectivos tempos de inspeção. À direita, o Painel Principal mostra os modelos e parâmetros utilizados para esta análise.

A coluna “Tempo da Inspeção (dia)” informa quantos dias após a data referencial de 20 de agosto de 2018 foram colhidas as amostras de corrente. Esta data refere-se ao dia em que o forno foi colocado em alta potência pela primeira vez, após ter o revestimento refratário substituído. Portanto, o valor 243 dias na linha 1 significa que se passaram 243 dias desde o reinício de operação do forno, o que corresponde à data inicial de análise (17/04/2019). O último valor de corrente coletado ocorreu no dia 29/07/2019, correspondendo a 343 dias após o reinício de operação do forno (não aparente na Figura 4.4).

A coluna “Medição” apresenta os valores da corrente da bobina em Ampère (A), coletada sempre quando o forno se encontrava em potência máxima.

Figura 4.4 – Carregamento dos Dados no Weibull++

Fonte: Software Weibull++ Reliasoft (2019).

A coluna “Item ID” identifica a campanha em que foram coletados os valores de corrente. Esta divisão é essencial para que se obtenha diversos tempos de vida extrapolados, necessários a uma adequada análise de dados de vida.

Uma campanha é um período no qual determinado aço é revestido com um tipo específico de revestimento. O forno Premelt é usado na sua capacidade máxima de corrente e potência apenas durante as campanhas de material Galvalume®, quando ele é utilizado para abastecer o forno principal da linha de galvanização.

É esta divisão das medições em diferentes campanhas que permitirá a análise de distribuição de vida dos dados, pois para cada campanha será calculado um tempo de falha extrapolado e estes tempos de falha é que servirão de base para o respectivo modelo de dados de vida implementar o cálculo das métricas de confiabilidade. Como mostra o Quadro 4.1, foram coletados os dados de corrente durante seis diferentes campanhas, entre 20 de abril a 29 de julho de 2019.

Observa-se também no Painel Principal da Figura 4.4 o campo Degradação Crítica, ao qual foi atribuído o valor de 5000 Ampère (A). Este valor foi atribuído com base em alguns registros históricos de corrente disponíveis, bem como nas condições operacionais atuais da linha, cuja velocidade de processamento se encontra em 200 metros por minuto, exigindo maior eficiência do processo de fusão e maior velocidade de abastecimento do pote principal. Portanto, um valor de corrente abaixo de 5000 Ampère (A) impedirá que o forno desempenhe suas funções conforme esperado.

Uma vez carregados os dados na tabela do módulo de degradação do Weibull++, deve-se selecionar os modelos de degradação e de distribuição de dados de vida a serem utilizados na análise (SynthesisPlatform, 1992b).

Para esta seleção, fez-se a escolha dos modelos com melhor ranqueamento atribuído pelos assistentes de modelo de degradação e de distribuição.

Para o modelo de degradação, o Assistente de Modelo de Degradação ranqueou o modelo Lloyd-Lipow como o mais aderente aos dados, conforme evidenciado na Figura 4.5.

Figura 4.5 – Ranqueamento dos Modelos de Degradação

Fonte: Software Weibull++ Reliasoft (2019).

Para o modelo de distribuição, o Assistente de Distribuição indicou o modelo Weibull-3P como o que apresenta maior aderência aos dados, conforme mostra a Figura 4.6.

Figura 4.6 – Ranqueamento dos Modelos de Distribuição

Fonte: Software Weibull++ Reliasoft (2019).

A Figura 4.7 apresenta o relatório de Resultados de Degradação para o modelo Lloyd-Lipow.

Figura 4.7 – Relatório de Resultados para o Modelo de Degradação Lloyd-Lipow

Fonte: Software Weibull++ Reliasoft (2019).

Observa-se na Figura 4.7 que, para cada conjunto de dados de cada campanha (Item ID), foram estimados os parâmetros E e F para a função que representa o modelo Lloyd-Lipow, conforme explanado na seção 3.4.1.6.

onde D representa o valor da degradação, é o tempo e E e F são parâmetros do modelo Lloyd-Lipow.

Para calcular o tempo de falha extrapolado para os dados de degradação de cada campanha, substitui-se o valor de D por D_ISK%, isto é, o valor de Degradação Crítica da corrente elétrica (5000 A) e substitui-se os parâmetros E e F pelos seus respectivos valores dados pelo relatório de Resultados de Degradação. Para a campanha 1, o valor do tempo extrapolado será igual a 730,707859. Isto significa que, pelos dados coletados na campanha 1, é esperado que o forno atinja o nível de degradação crítica (5000 A) aproximadamente 730 dias após a data de reinício de operação (20 de agosto de 2018).

Fazendo-se a mesma extrapolação para as campanhas 2, 3, 4, 5 e 6, o conjunto de dados extrapolados poderá ser então aplicado em um modelo de distribuição para o cálculo de métricas de confiabilidade. A Figura 4.8 apresenta o Relatório de Tempos Extrapolados calculados para cada uma destas campanhas.

Figura 4.8 – Relatório de Tempos Extrapolados de Falha

Fonte: Software Weibull++ Reliasoft (2019).

Observa-se na Figura 4.8 que os dados de degradação da campanha 2 conduziram ao menor tempo de falha extrapolado, enquanto os dados de degradação da campanha 4 resultaram no maior tempo de falha extrapolado. Estas variações refletem o comportamento do conjunto de dados coletados na referida campanha, os quais têm relação direta com a intensidade de degradação, mas também com os critérios adotados para coleta destes dados. A adoção de critérios adequados para a coleta de dados resulta em maior precisão e coerência dos tempos de falha obtidos.

A Figura 4.9 apresenta o relatório Resultados dos Dados de Vida, obtido a partir dos tempos de falha extrapolados das campanhas 1 a 6, os quais foram ajustados para o modelo selecionado de Análise de Dados de Vida Weibull-3P.

Figura 4.9 – Relatório Resultados dos Dados de Vida

Fonte: Software Weibull++ Reliasoft (2019).

Observa-se no relatório da Figura 4.9 que para o modelo de distribuição Weibull-3P foram estimados os seguintes valores para os parâmetros de forma ', de escala ( e de localização :

' =

O valor de β = 1,052952 indica que a curva será positivamente inclinada para a direita (cauda à direita), como será mostrado na Figura 4.11. Uma população com valores de β > 1 implica que a taxa de falha é crescente com o tempo.

O parâmetro de escala ( (ou vida característica), define onde a maior parte da distribuição falha. Para os tempos de falha extrapolados obtidos, foi obtido um valor de η = 414,722294 dias.

O valor de = 351,585693 dias representa um deslocamento da distribuição no eixo do tempo. Significa que entre a data de reinício de operação do forno e 351,585693 dias após esta data, a confiabilidade é sempre 100%, ou seja, não houve nenhuma probabilidade de falha ocorrer neste período. Considera-se como falha um valor de corrente abaixo de 5000 A.

Uma vez conhecidos os parâmetros dos modelos de degradação e de distribuição, bem como os tempos de falha extrapolados, a próxima seção abordará a representação gráfica e a principais métricas obtidas desta análise de degradação.